Resumen: Los sistemas de investigación profunda basados en agentes web han demostrado un gran potencial para resolver tareas complejas de búsqueda de información, pero su eficiencia de búsqueda sigue sin explorarse. Observamos que muchos agentes web de código abierto de última generación se basan en largas trayectorias de llamada de herramientas con bucles de razonamiento cíclicos y exploración de ramas improductivas. Para abordar esto, proponemos WebClipper, un marco que comprime las trayectorias de los agentes web mediante poda basada en gráficos. Concretamente, modelamos el proceso de búsqueda del agente como un gráfico de estado y presentamos la optimización de la trayectoria como un problema de minería de Gráfico Acíclico Dirigido (DAG) mínimo necesario, generando trayectorias podadas que preservan el razonamiento esencial y al mismo tiempo eliminan pasos redundantes. La capacitación continua en estas trayectorias refinadas permite al agente evolucionar hacia patrones de búsqueda más eficientes y reduce las rondas de llamadas de herramientas en aproximadamente un 20 % al tiempo que mejora la precisión. Además, presentamos una nueva métrica llamada F-AE Score para medir el rendimiento general del modelo a la hora de equilibrar precisión y eficiencia. Los experimentos demuestran que WebClipper comprime las rondas de llamadas de herramientas con un rendimiento excelente, lo que proporciona información práctica sobre cómo equilibrar la eficacia y la eficiencia en el diseño de agentes web.
Publicado originalmente en export.arxiv.org el 15 de febrero de 2026.
Ver fuente original
